java - 获取要在 jSoup 中使用的字符串的某些表引用

Question

我想使用jSoup从该网页获取时间...我需要的时间是顶部附近红色栏中的“11:19”... http://www.gbgb.org.uk/resultsRace.aspx?raceID=293047-2

有人知道我如何使用 jSoup 从网页获取这个吗？如果有人对将来如何在表格中定位元素有任何建议，请告诉我。

另外，我需要从此表中获取“查看比赛”链接地址:http://www.gbgb.org.uk/raceCard.aspx?dogName=Ballymac%20Monleek ，但是当我当前获取该元素时，它只是给我“查看比赛”而不是实际的链接......

 //getHistory
    String dogPage = "http://www.gbgb.org.uk/raceCard.aspx?dogName=" + selectedDog;
    Document doc1 = Jsoup.connect(dogPage).get();

    Element tblHeader = doc1.select("table.MasterTable_Web20 tbody").first();
    List<DogDetail> data = new ArrayList<>();
    for (Element element1 : tblHeader.children()){

        String webURL = (element1.select("td:eq(14)").text());
        System.out.println(webURL);
    }

谢谢

抢

Answer 1

这是一种非常快速的方法(可能不是最好的，但它有效，我刚刚测试过)。

使用 Chrome，可以非常轻松地获取网页中每个元素的 XPath 表达式(右键单击文本，“检查”，复制 XPath 表达式)。在本例中，它是:

 //*[@id="content"]/table[2]/tbody/tr[2]/td/table/tbody/tr/td[2]/table[1]/tbody/tr/td[4]

现在，如果页面结构永远不会改变，那就足够了。使用Xsoup extension将 XPath 表达式与 Jsoup 一起使用:

        Document document = Jsoup.connect("http://www.gbgb.org.uk/resultsRace.aspx?raceID=293047-2").get(); 
        XElements element = Xsoup.compile("//*[@id=\"content\"]/table[2]/tbody/tr[2]/td/table/tbody/tr/td[2]/table[1]/tbody/tr/td[4]").evaluate(document);

        // Get text content
        String textContent = element.getElements().get(0).childNode(0).toString();

        // Extract time portion
        String time = textContent.trim().replaceAll("\\&nbsp\\;", " ").split("\\s+")[1];

        // Prints 11:19
        System.out.println(time);

当然，请注意，这对页面结构 future 可能发生的变化非常敏感。

对于问题的第二部分，您将获得这组 xpath

*[@id="ContentPlaceHolder1_RadGrid1_ctl00__0"]/td[15]/a
*[@id="ContentPlaceHolder1_RadGrid1_ctl00__1"]/td[15]/a
*[@id="ContentPlaceHolder1_RadGrid1_ctl00__2"]/td[15]/a
...
*[@id="ContentPlaceHolder1_RadGrid1_ctl00__15"]/td[15]/a

简单的迭代就可以轻松获得所有这些。